一种基于人工智能的四维地质力学建模方法与流程
本发明属于地质力学建模与油气勘探开发,具体涉及一种融合多模态数据、具备时空演化能力并集成人工智能辅助决策的四维地质力学建模方法,适用于油气田、储气库及co2地质封存工程的全生命周期动态评价。本发明所述的四维,是指在三维空间坐标(x,y,z)的基础上引入时间维度t,形成4d时空模型,以刻画储层地质力学参数随生产开发过程的动态演化规律。
背景技术:
1、地质力学建模是油气藏开发、储气库建设及co2地质封存工程中的核心技术,主要用于表征地下岩石的力学行为、地应力场分布、孔隙压力演化以及断层活化风险。现有地质力学建模技术主要包括单井一维静态建模和储层三维静态建模两类。
2、一维建模以单井为尺度,依托井筒资料计算沿井深的应力、压力等参数,并进行模型验证,形成单井地质力学认识。该方法空间覆盖范围有限,仅能提供井筒附近的一维信息,无法描述储层空间非均质性。
3、三维建模以储层空间为尺度,在一维成果基础上融合地震、测井、地质及力学等多源数据,构建非结构化网格下的岩石力学参数、孔隙压力和地应力模型,并考虑断层效应和弹塑性效应,形成储层尺度的静态地质力学模型。现有三维建模方法能够描述储层的空间非均质性,但本质上是静态的,忽略了油气开采、注水、压裂等工程活动引起的时间演化效应,无法反映地应力场、孔隙压力场及岩石力学参数随生产过程的动态变化。
4、四维地质力学模拟虽已在三维空间模型基础上引入时间演化维度,用于刻画生产过程中各参数的动态变化,但现有技术中仍存在以下不足:(1)地质力学分析往往独立于地球物理、地质及工程数据,存在数据孤岛现象,缺乏统一的平台进行多模态数据融合;(2)现有的建模过程多依赖人工干预,自动化程度低,无法实现从单井分析到区域储层再到动态演化的无缝衔接与自动更新;(3)缺乏智能化辅助决策手段,对异常工况的识别与响应滞后,难以满足油气田开发过程中对实时风险预警和快速决策的工程需求。
5、因此,亟需一种能够融合多模态数据、具备时空演化能力且集成人工智能辅助决策的四维地质力学建模方法。
技术实现思路
1、本发明的目的在于,为克服现有技术的缺陷,提出一种基于人工智能的四维地质力学建模方法,通过构建地质工程一体化平台,实现从单井(1d)到储层(3d)再到时间演化(4d)的动态建模,有效解决模型静态化、数据孤岛严重及人工依赖度高的问题。
2、本发明的目的通过下述技术方案实现:
3、一种基于人工智能的四维地质力学建模方法,其特征在于,包括以下步骤:
4、步骤一:获取多源异构地质力学数据并对其进行标准化处理,得到标准化输入数据;
5、步骤二:基于所述标准化输入数据,以单井为尺度进行一维单井地质力学建模,得到单井尺度地质力学结果;
6、步骤三:基于所述单井尺度地质力学结果进行三维储层地质力学建模,利用人工智能智能体根据地质模型复杂度与网格密度的映射关系自适应生成非结构化网格,通过有限元法求解,得到三维静态地质力学模型;
7、步骤四:基于所述三维静态地质力学模型,按时间步长进行四维动态地质力学模拟,将模拟预测值与监测数据进行比对,采用受物理约束的神经网络更新模型参数,输出随时间步长更新的地质力学场及断层活化风险指数,并在所述断层活化风险指数超过预设阈值时发出预警;
8、其中,步骤二的输出作为步骤三的约束条件,步骤三的输出作为步骤四的初始状态,形成由一维(1d)到三维(3d)再到四维(4d)的级联建模链路。
9、进一步地,所述步骤一中,所述多源异构地质力学数据包括地震勘探数据、钻井数据、测井数据、岩石力学实验数据、生产动态数据、温度压力数据、微地震事件参数、分布式光纤实时监测数据及合成孔径雷达干涉测量形变图中的一种或多种,以及已构建的力学属性数据,所述力学属性数据包括断层力学模型、基质力学模型及渗透率模型;所述标准化处理包括对所述多源异构地质力学数据进行格式统一、质量清洗、时空对齐及元数据标定,并采用数据库存储标准化后的数据,以构建统一数据底座。
10、进一步地,所述步骤一中,通过开放通信协议接口及微服务架构对接各数据源;所述开放通信协议接口采用restful api协议或opc ua协议;所述微服务架构通过容器化部署实现各数据源接入服务的独立开发、部署与弹性伸缩;所述时空对齐包括将不同来源、不同采样频率的数据统一到相同的时间坐标系和空间坐标系下;所述元数据标定包括记录每个数据源的时间戳、空间坐标、数据精度、数据来源及处理历史。
11、进一步地,所述步骤二中,结合力学平衡方程与岩石强度准则以及机器学习融合模型进行所述一维单井地质力学建模,计算主应力剖面、孔隙压力剖面、地应力方位及岩石力学参数;所述机器学习融合模型将力学平衡方程和岩石强度准则作为物理约束嵌入损失函数。
12、进一步地,所述步骤三中,融合测井数据、地震反演数据体、震源机制解及断层力学模型,通过插值或地质统计学反演将离散单井点数据扩展到三维空间;所述人工智能智能体以地质属性场的梯度变化率、断层距离及曲率半径为输入特征,以目标网格尺寸为输出,构建从局部地质复杂度到最优网格密度的回归模型,在断层附近及高曲率区加密网格、在均质区稀疏化网格;所述非结构化网格采用四面体单元或六面体单元,断层附近和高曲率区的网格尺寸小于均质区的网格尺寸;所述有限元法求解线弹性应力平衡方程和表征孔隙压力分布的稳态达西方程,并通过震源机制解反演结果约束边界力,通过调整边界力的绝对大小,使数值模拟得到的三维地应力在井点处与步骤二输出的主应力剖面相拟合;所述三维静态地质力学模型采用线弹性本构与稳态渗流方程建立基准场。
13、进一步地,所述步骤四中,将建模过程表示为渗流-力学-温度全耦合的动态演化过程,通过全耦合有限元算法求解孔隙压力变化引起的有效应力变化;所述物理约束包括:渗透率非负且有上界、断层摩擦系数限制在预设取值范围内;所述物理约束通过以下方式实现:在所述神经网络的输出层之后添加参数映射层,将网络输出映射到预设的物理合理区间内,或者在损失函数中增加物理约束惩罚项;所述采用受物理约束的神经网络更新模型参数包括:利用所述神经网络结合集合卡尔曼滤波,根据模拟预测值与监测数据的偏差,实时更新渗透率及断层摩擦系数;以及利用所述人工智能智能体计算各数据源的实时置信度分数,对置信度分数低于预设阈值的数据源进行降权或予以剔除。
14、进一步地,所述步骤四中,所述断层活化风险指数通过以下方式确定:基于当前时间步的地应力场与断层力学模型,计算断层面上的剪应力与有效正应力,将剪应力与有效正应力之比作为滑动趋势因子,并结合断层摩擦系数确定安全阈值;当所述滑动趋势因子超过所述安全阈值时,判定断层活化风险指数超过预设阈值并触发预警。
15、进一步地,所述方法还包括部署包括参数推荐模型、自动修正模型、实时同化模型及风险预测模型在内的多类预训练人工智能模型,所述人工智能模型的训练数据包括历史生产动态数据、正演模拟生成的合成数据以及人工标注数据;所述人工智能模型部署后持续运行,当新的实时监测数据积累达到预设数量时,自动触发增量学习流程,以更新模型权重;当所述人工智能模型由源区块迁移至目标区块时,采用参数迁移、特征对齐或多源迁移策略进行模型迁移。
16、进一步地,所述方法还包括手动、自动、无人三种运行模式的切换:手动模式下,由工程师通过前端界面设定时间步长、同化开关与本构参数并启动所述四维动态地质力学模拟,所述人工智能智能体仅提供参数推荐,经人工确认后执行;自动模式下,按预设定时任务自动拉取最近一个预设周期内的生产与监测数据,启动所述四维动态地质力学模拟,生成日报及预警列表并推送至可视化仪表板;无人模式下,实时监听监测数据流,采用滑动窗口进行短期趋势预测,当检测到异常变化时,自动触发高精度模拟并同化最新数据;所述无人模式内置安全兜底机制:模拟结果经所述人工智能智能体自动校验置信度,若通过校验则推送报警,若未通过校验或检测到异常收敛情况则自动回退至自动模式并通知工程师介入处置,并保留允许工程师在任意时刻接管控制权的人工强制干预接口。
17、进一步地,所述方法还包括:通过地质工程一体化多学科管理平台实现全流程的自动化闭环运行,所述平台通过基于有向无环图的工作流引擎编排建模流程,使前一阶段的输出自动作为后一阶段的输入,当任一阶段的输入数据发生变化时,依据依赖关系触发下游模块的重算与更新;通过开放通信协议接口与第三方专业软件建立双向通信,将第三方专业软件生成的地质模型、网格及属性体导入所述平台作为建模输入,并将所述平台产出的四维地质力学模型导出至第三方专业软件,以实现跨平台联合迭代计算;所述平台建立模型版本管理与追溯机制,记录每一轮四维模拟的时间戳、输入数据快照、参数设置及产出结果,并集成可视化仪表板、预警推送、报告自动生成及决策支持功能,输出可视化决策结果。
18、本发明的有益效果在于:
19、1、实现了时空耦合的动态模拟:通过步骤四按设定时间步长引入生产动态数据与实时监测数据,在步骤三建立的三维静态基准场基础上构建四维地质力学模型,能够输出随时间更新的地应力场、孔隙压力场及断层活化风险指数,克服了传统三维静态模型无法反映生产过程动态变化的局限性。
20、2、打破了数据壁垒,实现了多模态融合:通过步骤一构建统一数据底座,整合了地震、钻井、测井、生产动态及微地震等多源数据,并借助优选实施方式中的异构专业软件协同与地质工程一体化多学科管理平台,通过开放通信协议接口打通了异构专业软件间的数据壁垒,实现了跨平台的数据共享与模型交互。
21、3、提升了建模效率与智能化水平:通过优选实施方式部署多类预训练人工智能模型,并在一体化平台上部署行业垂直人工智能体,驱动执行参数推荐、异常识别与风险预测,结合基于有向无环图的工作流引擎实现端到端自动化,显著降低了人工成本,提高了建模的一致性与标准化程度。
22、4、确保了模型精度与可靠性:采用步骤二至步骤四的“1d3d4d”级联建模链路,前一阶段的输出作为后一阶段的输入,逐级约束递进,并确保参数更新过程中始终满足渗透率非负、摩擦系数取值范围等地质力学基本约束,保障了动态模型的物理合理性。
23、5、提升了计算效率与局部精度:通过人工智能智能体在步骤三中学习地质模型复杂度与网格密度之间的映射关系,实现断层附近和高曲率区的自动加密与均质区的稀疏化,在保证局部关键区域计算精度的同时整体降低了有限元求解规模,提升了建模计算效率。
24、6、具备了持续进化与快速迁移能力:通过步骤六的增量学习机制使人工智能模型随新数据的积累持续优化性能,通过迁移学习策略使成熟区块的模型经验快速复用到新区块,将新区块的模型冷启动时间从数月缩短至数天,显著提升了建模方法的工程适用性和推广效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com